针对部分可观多传感器多目标协同跟踪问题,提出了一种基于潜博弈的分布式优化算法。以传感器为博弈方,选择广义Fisher信息矩阵(Generalized Fisher Information Matrix,GFIM)为跟踪收益函数,将探测和通信约束下的多传感器多目标分配问...针对部分可观多传感器多目标协同跟踪问题,提出了一种基于潜博弈的分布式优化算法。以传感器为博弈方,选择广义Fisher信息矩阵(Generalized Fisher Information Matrix,GFIM)为跟踪收益函数,将探测和通信约束下的多传感器多目标分配问题描述为一个局部信息博弈模型,证明了该模型是一个潜博弈模型,至少存在一个可行的纯策略纳什均衡(Nash Equilibrium,NE)。为了提高计算效率,设计了一种改进并行最佳响应动态(Modified Parallel Best Response Dynamic,MPBRD)的分布式决策算法,分析了算法的复杂度。仿真结果显示,在小规模场景下,基于潜博弈的分布式优化算法能够达到集中式全枚举优化算法的跟踪性能,计算时间大大缩短。在大规模场景下,基于潜博弈的分布式优化算法具有较好的收敛性,满足大规模传感器决策的实时性需求。展开更多
目前已经能够研制出测量用户至卫星伪距信号的“北斗”用户接收机,此款接收机可以工作在无源定位的情况下.由于“北斗”定位卫星数量极其有限,接收机在动态定位的精度上会出现很大的误差.文中针对这一问题进行讨论,采用“当前”统计模...目前已经能够研制出测量用户至卫星伪距信号的“北斗”用户接收机,此款接收机可以工作在无源定位的情况下.由于“北斗”定位卫星数量极其有限,接收机在动态定位的精度上会出现很大的误差.文中针对这一问题进行讨论,采用“当前”统计模型来建立用户载体的状态方程,并且提出一种新的量测方程,然后将构建的K a lm an滤波方程组运用于接收机的动态定位中,仿真结果表明,这种算法能很好地改善定位的精度及动态性能.展开更多
文摘针对部分可观多传感器多目标协同跟踪问题,提出了一种基于潜博弈的分布式优化算法。以传感器为博弈方,选择广义Fisher信息矩阵(Generalized Fisher Information Matrix,GFIM)为跟踪收益函数,将探测和通信约束下的多传感器多目标分配问题描述为一个局部信息博弈模型,证明了该模型是一个潜博弈模型,至少存在一个可行的纯策略纳什均衡(Nash Equilibrium,NE)。为了提高计算效率,设计了一种改进并行最佳响应动态(Modified Parallel Best Response Dynamic,MPBRD)的分布式决策算法,分析了算法的复杂度。仿真结果显示,在小规模场景下,基于潜博弈的分布式优化算法能够达到集中式全枚举优化算法的跟踪性能,计算时间大大缩短。在大规模场景下,基于潜博弈的分布式优化算法具有较好的收敛性,满足大规模传感器决策的实时性需求。
基金国家自然科学基金项目(61876200)安徽省质量工程项目(2022cxtd162)+6 种基金铜陵学院人才引进项目(R23010 or 2022tlxyrc10)安徽省重点研究与开发计划项目(202004a05020010)安徽省自然科学基金项目(2008085MG227)铜陵学院校级教改项目(2023xj017)安徽省大学生创新创业项目(D21633)安徽省高校优秀科研创新团队项目(2023AH010056)安徽省高校协同创新项目(GXXT-2023-050)。
文摘目前已经能够研制出测量用户至卫星伪距信号的“北斗”用户接收机,此款接收机可以工作在无源定位的情况下.由于“北斗”定位卫星数量极其有限,接收机在动态定位的精度上会出现很大的误差.文中针对这一问题进行讨论,采用“当前”统计模型来建立用户载体的状态方程,并且提出一种新的量测方程,然后将构建的K a lm an滤波方程组运用于接收机的动态定位中,仿真结果表明,这种算法能很好地改善定位的精度及动态性能.
